- •Основные понятия и определения теории вероятностей. Классическое определение вероятростей.
- •Статистическая вероятность
- •Сумма событий. Теорема сложения вероятностей.
- •Произведение событий. Теорема умножения вероятностей.
- •Локальная и интегральная теоремы Лапласа.
- •Дискретные случайные величины.
- •Дискретные случайные величины.
- •Числовые характеристики дискретных случайных величин.
- •Непрерывные случайные величины.
- •Числовые характеристики непрерывных случайных величин.
- •Биномиальный закон распределения.
- •Нормальный закон распределения
- •Двумерные случайные величины.Интегральная и дифференциальная функции распределения вероятностей.Одномерные законы распределения.
- •Дискретные случайные величины.
- •Интегральная функция распределения двумерной случайной величины.
- •Вероятность попадания случайной величины в квадрат бесконечных полусумм прямоугольников.
- •Зависимые и независимые случайные величины.
- •Основные понятия математичесКой статистиКи
- •Доверительные интервалы. Доверительная вероятность.
- •Доверительный интервал для оценки математического ожидания при известном .
- •Доверительный интервал для оценки математического ожидания при неизвестном .
- •Статистические гипотезы. Проверка гипотез. Критерий Пирсона.
- •Элементы корреляционного анализа.
- •Линейное програмирование Задачи линейного программирования лесной промышленности.
- •Нормальная кононическая форма задач линейного программирования
- •Геометрический метод решения задач линейного программирования.
- •Симплекс метод
- •Первый этап: построение первоначального базисного плана.
- •Второй этап: проверка (критерий) оптимальности.
- •Третий этап: указание процедуры целенаправленного перехода к следующей крайней точке.
- •Симплекс таблица
- •Метод искусственного базиса в м задачах
- •Транспортная задача.
- •Основные понятия теории массового обслуживания Потоки событий
- •Пуассоновский и простейший потоки. Потоки Пальма и Эрвина.
- •Предельная теорема теории потоков
- •Сложение, разряжение и независимость потоков
- •Марковские процессы
- •Уравнения Колмогорова для вероятностей состояния
- •Эргодические Марковские случайные процессы. Стационарный режим работы системы.
Сумма событий. Теорема сложения вероятностей.
Сумма двух событий A и B – событие, состоящее в появлении события A или B одновременно. Оно обозначается . Когда речь идет о сумме событий, то всегда ставится союз или.
Геометрическое растолкование суммы событий.
Рассмотрим плоскость, на которую случайным образом точка, причем точка всегда попадает в плоскость. Тогда событие попадания точки в квадрат - достоверное. Площадь квадрата равна 1, тогда вероятность попадания точки в квадрат равна 1.
А – вероятность попадания точки в область А.Вероятность равна .
В – вероятность попадания точки в область В. Вероятность равна .
Событие A+B означает, что точка попадет в эту
область.
Примеры:
. Производится два выстрела про цели.
А - попадание в цель при первом выстреле;
В – попадание в цель при втором выстреле.
A+B- вероятность попадания в цель:
первый раз попал, второй промазал;
первый раз промазал, второй попал;
первый и второй попал.
Основные свойства суммы событий.
4) если события образуют полную группу, то
5) то A+B=B
3.
Произведение событий. Теорема умножения вероятностей.
Произведение двух событий A и B – событие, состоящее в совместном появлении событий A и B.
Замечание: когда речь идет о произведении событий, тогда используется союз и.
Основные свойства произведения событий:
1)
2)
3)
4) если A и B несовместные события, то
5) , то
Теорема сложения вероятности несовместных событий.
Вероятность суммы несовместных событий равна сумме их вероятностей.
Обычно для сокращения записи рассматривают два несовместных события.
Д оказательство:
Пусть пространство элементарных событий состоит из n элементарных исходов. Причем событию A благоприятствует элементарных исходов, а событию B - элементарных исходов. Поскольку события A и B – несовместные, то среди этих исходов нет общих.
Тогда сумме событий благоприятствует исходов.
Следствия:
Если события образуют полную группу несовместных событий, то вероятность ;
Вероятность суммы противоположных событий равна 1.
Замечание: обычно вероятность события A обозначают p, тогда
Теорема умножения.
Событие A зависимое от события B, если его вероятность зависит от того, произошло ли событие B.
Условная вероятность – вероятность появления события A при условии, что произошло событие B.
Основные свойства условной вероятности:
Если событие A зависит (не зависит) от события B, то и событие B зависит (не зависит) от события A.
Если события A и B независимы, то независимы и , и A, B и .
Если события A и B независимы, то вероятность
Теорема:
Вероятность произведения двух зависимых событий равна вероятности первого события умноженной на вероятность второго события, при условии, что первое произошло.
Доказательство:
Доказательство приведем для двух событий, сводящихся к схеме случая. Пусть у нас имеется n элементарных исходов. Из них m - благоприятных событию A, L – событию B, k – их совместному появлению.
Замечание: теорема обобщается на случай произвольного числа событий.
Теорема:
Вероятность произведения двух независимых событий равна произведению их вероятностей.
Независимые в совокупности события – несколько событий, вероятность которых не зависит от того какова совокупность других событий.
Следствие: вероятность произведения независимых в совокупности событий равна произведению их вероятностей.
1)
2) Если события независимые в совокупности, то вероятность появления хотя бы одного из этих событий равна:
Совместные события – события, появление одного и которых не исключает появления другого.
Теорема сложения для совместных событий.
Вероятность суммы двух совместных событий равна сумме их вероятностей минус вероятность их совместного появления.
Д оказательство:
4.
Формула полной вероятности.
Следствием теоремы сложения и умножения вероятностей является формула полной вероятности.
Теорема:
Пусть событие A может произойти с одним из событий , образующих полную группу событий, называемых гипотезами. Тогда вероятность события A равна сумме произведений вероятности каждой гипотезы на условную вероятность события A при этой гипотезе.
Доказательство:
События образуют полную группу событий, следовательно, событие A может появиться с одним из событий .
;
Поскольку события несовместны то и события также будут несовместны и тогда, применяя теорему сложения, можно записать:
5.
Схема Бернулли.
Пусть производится серия из n испытаний, причем в каждом из испытаний событие A может появиться с постоянной вероятностью P и не появиться с вероятностью . В этом случае говорят, что у нас действует схема Бернулли.
Теорема: формула Бернулли.
Вероятность того, что в серии из n опытов событие A появится k раз, вычисляется по формуле
Вывод формулы Бернулли.
Вероятность одного сложного события состоит в том, что в серии n из испытаний событие A появится, раз и не появится n-k равно . Таких сложных несовместных событий будет столько, сколько можно сделать сочетаний из n элементов по k равно . Отсюда вытекает формула.
Пример:
Пусть проводится серия из 4 испытаний. Причем будем рассматривать событие, когда A появляется три раза. Таких событий будет: .
Формулой Бернулли удобно пользоваться в тех случаях, когда число испытаний небольшое. Если же число испытаний большое, то в этих случаях пользуются формулами Лапласа и Пуассона.
6.